Visualización de Datos

Máster Universitario de Ciencia de datos

Universitat Oberta de Catalunya

Autor: Jorge Alonso Hernández

 

PEC2: Estudio de técnicas de visualización de datos¶

En este documento se realizan las visualizaciones de datos referentes a la PEC2 de la asignatura de visualización de datos del Máster Universitario de Ciencia de Datos de la Universitat Oberta de Catalunya. Se representan las tres visualizaciones asignadas con los tres diferentes conjuntos de datos seleccionados. Las visualizaciones asignadas son el gráfico de líneas, la matriz de confusión y el gráfico OHLC.

In [1]:
# Carga de librerías
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure
import seaborn as sns
import plotly.graph_objects as go

# Carga de ficheros
data_covid = pd.read_excel('data/6-2-incidencia-acumulada-la-rioja.xlsx')
data_university = pd.read_csv('data/cwurData.csv')
data_apple = pd.read_csv('data/AAPL.csv')

Conjuntos de datos¶

Dataset con el conjunto de datos referente a la Incidencia acumulada La Rioja respecto al COVID-19.

In [2]:
data_covid.head()
Out[2]:
FECHA NUEVOS CASOS ACUMULADOS 14 DIAS IA 14 DIAS ACUMULADOS 7 DIAS IA 7 DIAS
0 2022-11-20 8.0 223.0 69.731954 134.0 41.901712
1 2022-11-19 8.0 218.0 68.168457 133.0 41.589013
2 2022-11-18 19.0 213.0 66.604961 126.0 39.400118
3 2022-11-17 23.0 215.0 67.230359 118.0 36.898523
4 2022-11-16 12.0 217.0 67.855758 110.0 34.396928

Dataset con el conjunto de datos referente al ranking de universidades en el mundo.

In [3]:
data_university.head()
Out[3]:
world_rank institution country national_rank quality_of_education alumni_employment quality_of_faculty publications influence citations broad_impact patents score year
0 1 Harvard University USA 1 7 9 1 1 1 1 NaN 5 100.00 2012
1 2 Massachusetts Institute of Technology USA 2 9 17 3 12 4 4 NaN 1 91.67 2012
2 3 Stanford University USA 3 17 11 5 4 2 2 NaN 15 89.50 2012
3 4 University of Cambridge United Kingdom 1 10 24 4 16 16 11 NaN 50 86.17 2012
4 5 California Institute of Technology USA 4 2 29 7 37 22 22 NaN 18 85.21 2012

Datatset con el conjunto de datos referente a los precios de las acciones de Apple.

In [4]:
data_apple.head()
Out[4]:
Date Open High Low Close Adj Close Volume
0 1980-12-12 0.128348 0.128906 0.128348 0.128348 0.100178 469033600
1 1980-12-15 0.122210 0.122210 0.121652 0.121652 0.094952 175884800
2 1980-12-16 0.113281 0.113281 0.112723 0.112723 0.087983 105728000
3 1980-12-17 0.115513 0.116071 0.115513 0.115513 0.090160 86441600
4 1980-12-18 0.118862 0.119420 0.118862 0.118862 0.092774 73449600

Visualización gráfico de líneas¶

En este apartado se realiza la visualización del gráfico de líneas, para ello en primer lugar se agrupa el número de nuevos casos mensualmente, de forma que se puedan mostrar los datos de los resultados de cada mes. Una vez obtenidos los datos realizamos la visualización del gráfico de líneas mostrando el histórico de nuevos casos de COVID-19.

In [5]:
group_data = data_covid.groupby(pd.PeriodIndex(data_covid['FECHA'], freq='m')).sum().reset_index()

group_data.FECHA = group_data['FECHA'].astype('datetime64[ns]') 
group_data['NUEVOS CASOS'] = pd.to_numeric(group_data['NUEVOS CASOS'], downcast="integer")
In [6]:
figure(figsize=(20, 8))
plt.plot(group_data.FECHA, group_data['NUEVOS CASOS'], marker='s')
plt.title('Casos de COVID-19')
plt.xticks(rotation=90)
plt.xlabel('Fecha')
plt.ylabel('Número de nuevos casos')
plt.show()
plt.tight_layout()

<Figure size 432x288 with 0 Axes>

Visualización matriz de correlación¶

En este apartado se muestra la visualización de la matriz de correlación entre las diferentes valoraciones de las universidades del mundo. Para realizar la matriz se han seleccionado los conjuntos de datos numéricos referentes a la posición en cada uno de los rankings.

In [7]:
columns = ['world_rank','national_rank','quality_of_education','alumni_employment','quality_of_faculty','publications','influence','citations','patents']
data_corr = data_university[columns]
corr_df = data_corr.corr(method='pearson')

plt.figure(figsize=(20, 8))
sns.heatmap(corr_df, annot=True)
plt.show()

Visualización gráfico OHLC¶

En este apartado se muestra la visualización de datos del gráfico OHLC en el cual se muestran los datos del precio de las acciones de la compañía Apple en el mercado de la bolsa. Para la visualización mostramos en primer lugar el gráfico para un periodo corto, desde enero de 2020 hasta marzo de 2020 y después realizamos la visualización de todos los datos desde 1980 hasta 2021.

In [8]:
data_apple_filter = data_apple[(data_apple['Date'] > '2020-01-01') & (data_apple['Date'] < '2020-04-01')]
In [9]:
fig = go.Figure(data=go.Ohlc(x=data_apple_filter['Date'],
                open=data_apple_filter['Open'],
                high=data_apple_filter['High'],
                low=data_apple_filter['Low'],
                close=data_apple_filter['Close']))
fig.show()
In [10]:
fig = go.Figure(data=go.Ohlc(x=data_apple['Date'],
                    open=data_apple['Open'],
                    high=data_apple['High'],
                    low=data_apple['Low'],
                    close=data_apple['Close']))
fig.show()